Electronic Theses and Dissertation

Pembangunan desa merupakan salah satu pilar penting dalam upaya pemerataan pembangunan di Indonesia. Sesuai dengan Undang-Undang Nomor 6 Tahun 2014 tentang Desa, pemerintah berkomitmen untuk mendorong percepatan pembangunan desa guna meningkatkan kesejahteraan masyarakat, mengurangi kesenjangan, dan memperkuat ketahanan sosial-ekonomi. Untuk mendukung hal tersebut, Kementerian Desa, Pembangunan Daerah Tertinggal, dan Transmigrasi (Kemendesa PDTT) memperkenalkan Indeks Desa Membangun (IDM) sebagai alat ukur untuk menilai tingkat kemajuan dan kemandirian desa. Penelitian ini bertujuan untuk mengklasifikasikan status desa di Provinsi Aceh menggunakan algoritma Support Vector Machine (SVM) dengan tiga jenis kernel, yaitu linear, polinomial, dan Radial Basis Function (RBF), di mana masing-masing kernel memiliki parameter yang berbeda. Hasil penelitian menunjukkan bahwa kernel terbaik untuk klasifikasi status desa (kategori: desa mandiri/maju dan desa selain mandiri/maju) adalah kernel polinomial dengan parameter degree = 3 dan cost = 0,1. Dengan parameter tersebut, diperoleh akurasi sebesar 88%; presisi 65%; recall 71%; dan F1 score 67%. Data yang digunakan dalam penelitian ini bersumber dari Badan Pusat Statistik (BPS) dan Indeks Desa Membangun, dengan satu variabel target (Y) dan 14 variabel prediktor (X).

Kata kunci: IDM, Status Desa, Klasifikasi, Support Vector Machine, Kernel

Village development is one of the key pillars in promoting equitable development in Indonesia. In accordance with Law Number 6 of 2014 concerning Villages, the government is committed to accelerating rural development in order to improve community welfare, reduce disparities, and strengthen socio-economic resilience. To support this, the Ministry of Villages, Development of underdeveloped Regions, and Transmigration (Kemendesa PDTT) introduced the Village Development Index (IDM) as a measurement tool to assess the level of progress and independence of villages. This study aims to classify village status in Aceh Province using the Support Vector Machine (SVM) algorithm with three kernel types: linear, polynomial, and Radial Basis Function (RBF), each with different parameter configurations. The results show that the best model for classifying village status (categories: developed/independent vs. other) is obtained using the polynomial kernel with degree = 3 and cost = 0.1. This configuration achieved a classification accuracy 88%; precision 65%; recall 71%, and F1 score 67%. The data used in this study were obtained from the Central Statistics Agency (BPS) and Village Development Index, consisting of one target variable (Y) and 14 predictor variables (X). Keywords: IDM, Village Status, Classification, Support Vector Machine, Kernel